AfriNames：多数 ASR 模型“糟蹋”非洲人名
计算与语言
2023-06-05 v2 计算机与社会
摘要
有用的对话代理必须准确捕获命名实体，以最小化下游任务的错误，例如，让语音助手播放某位艺术家的曲目、启动到特定位置的导航，或为某患者记录实验室结果。然而，在说出“Ukachukwu”（伊博语）、“Lakicia”（斯瓦希里语）或“Ingabire”（卢旺达语）等命名实体时，自动语音识别（ASR）模型的性能显著下降，并将错误传播至下游系统。我们将此问题建模为分布偏移，并证明此类模型偏差可通过多语言预训练、增加非洲命名实体表征的智能数据增强策略，以及在多种非洲口音上微调多语言 ASR 模型来缓解。所得的微调模型相比基线在含非洲命名实体的样本上显示出 81.5 的相对 WER 提升。
引用
@article{arxiv.2306.00253,
title = {AfriNames: Most ASR models "butcher" African Names},
author = {Tobi Olatunji and Tejumade Afonja and Bonaventure F. P. Dossou and Atnafu Lambebo Tonja and Chris Chinenye Emezue and Amina Mardiyyah Rufai and Sahib Singh},
journal= {arXiv preprint arXiv:2306.00253},
year = {2023}
}
备注
Accepted at Interspeech 2023 (Main Conference)